使用 SparkSession 创建广播变量？火花2.0

Question

是否可以使用 SparkSession 提供的 sparkContext 创建广播变量？我在 sc.broadcast 下不断收到错误，但是在另一个项目中使用 org.apache.spark.SparkContext 中的 SparkContext 时我没有问题。

import org.apache.spark.sql.SparkSession


object MyApp {
 def main(args: Array[String]){
  val spark = SparkSession.builder()
       .appName("My App")
       .master("local[*]")
       .getOrCreate()

  val sc = spark.sparkContext
        .setLogLevel("ERROR")

  val path = "C:\Boxes\github-archive\2015-03-01-0.json"
  val ghLog = spark.read.json(path)


  val pushes = ghLog.filter("type = 'PushEvent'")

  pushes.printSchema()
  println("All events: "+ ghLog.count)
  println("Only pushes: "+pushes.count)
  pushes.show(5)


  val grouped = pushes.groupBy("actor.login").count()
  grouped.show(5)


  val ordered = grouped.orderBy(grouped("count").desc)
  ordered.show(5)

  import scala.io.Source.fromFile
  val fileName= "ghEmployees.txt"
  val employees = Set() ++ ( 
    for { 
      line <- fromFile(fileName).getLines()
    } yield line.trim
    )


  val bcEmployees = sc.broadcast(employees)
 }
}

或者是使用Set()而不是Seq对象的问题？

感谢您的帮助

编辑：

我在 intellij 中不断收到 "cannot resolve symbol broadcast" 错误消息

在遵守之后我得到了一个错误： Error:(47, 28) 值广播不是 Unit 的成员 val bcEmployees = sc.broadcast(员工) ^

Answer 1

您的 sc 变量的类型为 Unit，因为根据 docs，setLogLevel 的类型为 return Unit。改为这样做：

val sc: SparkContext = spark.sparkContext
sc.setLogLevel("ERROR")

跟踪变量的类型以便及早发现错误很重要。

使用 SparkSession 创建广播变量？火花2.0

Creating a broadcast variable with SparkSession ? Spark 2.0

scala

apache-spark

apache-spark-sql

spark-dataframe